|
Consequences of assumption violations of selected statistical methods
Marcinko, Tomáš ; Blatná, Dagmar (vedoucí práce) ; Malá, Ivana (oponent) ; Lukáš, Ladislav (oponent)
Tradiční parametrické metody statistické indukce a testování hypotéz jsou zpravidla odvozeny na základě teoretických předpokladů, které mohou, ale nemusí být splněny v reálných aplikacích. V praxi přitom často dochází k tomu, že tyto metody jsou využívány přes nesplnění jejich předpokladů, přičemž se vychází z názoru, že tyto parametrické testové procedury jsou dostatečně necitlivé vůči porušení příslušných předpokladů. Navíc, alternativní neparametrické a pořadové testy jsou často opomíjené, a to častokrát z přesvědčení, že tyto metody dosahují menší sílu v porovnání s parametrickými metodami. Cílem předkládané práce je tedy popis rizik a důsledků použití klasických jednovýběrových a dvouvýběrových statistických metod při porušení teoretických předpokladů, na základě kterých byly odvozeny, jakož i konzistentní a komplexní srovnání těchto metod s alternativními neparametrickými a robustními statistickými technikami s využitím rozsáhlé simulační studie, přičemž se práce zaměřuje především na porušení předpokladu normality a homoskedasticity. Výsledky simulační práce potvrdily, že klasické parametrické metody jsou relativně robustní, i když s výhradou v případě výskytu odlehlých pozorování, kdy klasické metody mohou selhávat. Naopak zpracována studie jasně empiricky prokázala, že klasické parametrické metody při porušení svých předpokladů rychlé ztrácejí své optimální vlastnosti, a například v mnoha případech porušení předpokladu normálního rozdělení náhodného výběru dosahují větší sílu vhodné neparametrické a pořadové testové procedury, a tak tvrzení, že použití těchto metod je neefektivní z důvodu jejich menší síly, lze považovat za kritický omyl. Výběr vhodné neparametrické metody však zpravidla závisí na konkrétní formě rozdělení náhodného výběru.
|